現(xiàn)在，人類越來越想讓“馮·諾依曼架構(gòu)”退休了。因?yàn)榇鎯凸膲栴}，馮·諾依曼架構(gòu)愈發(fā)觸碰瓶頸。

類腦芯片就是突破“馮·諾依曼架構(gòu)”的路線之一，它一種高度模擬人腦計算原理的芯片。如果把類腦芯片做得更像人腦，就會被賦予一個新的名字——神經(jīng)擬態(tài)計算/神經(jīng)形態(tài)計算（Neuromorphic Computing），它是數(shù)字芯片和AI計算的一條重要發(fā)展路線。

神經(jīng)擬態(tài)計算被視為顛覆邊緣AI行業(yè)的存在，因?yàn)樗墓膶?shí)在是太低了。完美的神經(jīng)擬態(tài)芯片可以用比傳統(tǒng)解決方案低1000倍的能耗來解決問題，這意味著我們可以在固定的功耗預(yù)算下，打包更多的芯片來解決更大規(guī)模的問題。

當(dāng)然，現(xiàn)在的神經(jīng)擬態(tài)計算還達(dá)不到這樣的程度，但給現(xiàn)有芯片降低幾倍或者幾十倍功耗的能力還是有的。比如，IBM此前推出的類腦芯片“北極”（NorthPole），對比4nm節(jié)點(diǎn)實(shí)現(xiàn)的Nvidia H100 GPU相比，NorthPole的能效提高了五倍。

現(xiàn)在，神經(jīng)擬態(tài)也開始滲入了邊緣AI領(lǐng)域，甚至是改變MCU。

最近，初創(chuàng)公司Innatera宣布推出一款名為Pulsar的新型脈沖神經(jīng)處理器（SNP）。Pulsar 是一種神經(jīng)形態(tài)信號處理器，旨在以高能效執(zhí)行邊緣AI推理，與傳統(tǒng)的AI處理器相比，新處理器的延遲降低了100倍。

此外，從功耗角度來看，該系統(tǒng)使用內(nèi)部低功耗PLL和軟件控制的電壓域來降低動態(tài)和待機(jī)功耗。多種睡眠模式進(jìn)一步優(yōu)化了空閑期間的能量消耗。Innatera聲稱該處理器的能耗比傳統(tǒng)的AI處理器低500倍。

Pulsar的底層架構(gòu)集成了完全可編程的脈沖神經(jīng)網(wǎng)絡(luò)（SNN）結(jié)構(gòu)，針對異步、稀疏數(shù)據(jù)計算進(jìn)行了優(yōu)化。為此，Pulsar提供了異構(gòu)計算架構(gòu)，將SNN、CNN和傳統(tǒng)CPU任務(wù)分開，以優(yōu)化工作負(fù)載分區(qū)。

Innatera將處理器設(shè)計為靈活的，支持跨不同網(wǎng)絡(luò)拓?fù)涞纳窠?jīng)元和突觸級參數(shù)化，以專門滿足音頻和振動傳感等時空工作負(fù)載的需求。為了支持混合工作負(fù)載，SNN結(jié)構(gòu)與支持浮點(diǎn)的32位RISC-V CPU和32-MAC CNN加速器一起運(yùn)行。FFT/IFFT引擎為時頻域應(yīng)用提供了額外的計算能力。

該處理器的內(nèi)存子系統(tǒng)包括384 KB通用SRAM、128 KB專用于CNN計算和32 KB保留 SRAM，以通過低功耗轉(zhuǎn)換保持應(yīng)用程序狀態(tài)。集成的外設(shè)支持包括I2C、UART、SPI、JTAG、ADC、攝像頭接口和GPIO，由分散收集DMA引擎提供支持，以促進(jìn)尖峰數(shù)據(jù)處理。供電電壓為1.6V，系統(tǒng)頻率為160MHz，封裝尺寸為2.8mm x 2.6mm/36pin WLCSP，工作溫度-40℃~125℃。

軟件端，Pulsar由Talamo SDK提供支持，它將基于PyTorch的模型訓(xùn)練與直接硬件映射集成在一起。開發(fā)人員可以使用Python原生編譯器或RISC-V的標(biāo)準(zhǔn)GCC工具鏈來部署模型。

最近，Polyn Technology宣布其首款基于專有神經(jīng)擬態(tài)模擬信號處理平臺（Neuromorphic Analog Signal Processing, NASP）模擬芯片正式流片成功，同時NASP芯片進(jìn)入認(rèn)證階段，并預(yù)計于2025年第二季度正式投放市場。

這款芯片實(shí)現(xiàn)了超低功耗和實(shí)時信號處理能力，在執(zhí)行信號推理時的功耗低于100μW，某些應(yīng)用場景如 NeuroVoice VAD模型甚至可降至30μW。如此低的能耗使其非常適合應(yīng)用于耳機(jī)、可穿戴設(shè)備、智能輪胎以及預(yù)測性維護(hù)傳感器節(jié)點(diǎn)等功耗受限的環(huán)境中。此外，NASP可將原始數(shù)據(jù)量縮減高達(dá)1000倍，顯著提升隱私保護(hù)水平，減少對云服務(wù)的依賴，尤其適合醫(yī)療健康等對數(shù)據(jù)安全要求極高的領(lǐng)域。在技術(shù)資料中，NASP放出了在推理MobileNet V.2時候?qū)Ρ葮漭?B+和JETSON TX1的結(jié)果。

NASP是Polyn技術(shù)創(chuàng)新的核心。它是一種混合模擬-數(shù)字架構(gòu)，通過模擬電路模仿生物神經(jīng)元的分布式、超并行操作。該系統(tǒng)由運(yùn)算放大器和可編程電阻組成，能夠在不依賴中央處理器或?qū)π盘栠M(jìn)行數(shù)字化預(yù)處理的前提下，直接對傳感器數(shù)據(jù)進(jìn)行原生推理。

與傳統(tǒng)傳感器數(shù)據(jù)處理方式不同，NASP前端可在原始音頻輸入階段就進(jìn)行過濾與壓縮，僅輸出用于后續(xù)處理的關(guān)鍵特征向量。這種方式不僅提升了效率，更實(shí)現(xiàn)了對信號的“理解”，從而顯著降低帶寬需求和云端依賴。

當(dāng)它充當(dāng)邊緣信號傳感器，能夠使用神經(jīng)擬態(tài)計算處理原始傳感器數(shù)據(jù)，而無需對模擬信號進(jìn)行任何數(shù)字化。出于這個原因，該公司將其稱為第一款無需模數(shù)轉(zhuǎn)換器（ADC）即可直接在傳感器旁邊使用的神經(jīng)擬態(tài)模擬TinyML芯片。

NASP 平臺采用“固定 + 靈活”的雙模塊結(jié)構(gòu)：

• 固定部分：通過硬連線模擬電路實(shí)現(xiàn)，負(fù)責(zé)從原始傳感器數(shù)據(jù)中提取關(guān)鍵特征；

• 靈活部分：采用標(biāo)準(zhǔn)數(shù)字邏輯或低功耗微控制器實(shí)現(xiàn)，負(fù)責(zé)分類與解釋。

這一混合架構(gòu)將遷移學(xué)習(xí)引入硬件層面。開發(fā)人員只需重新訓(xùn)練靈活部分，即可快速適配新任務(wù)，例如將原本用于步態(tài)識別的加速度計數(shù)據(jù)用于跌倒檢測，從而大幅縮短產(chǎn)品迭代周期并降低整體復(fù)雜度。

Polyn不僅為NASP自主研發(fā)了編譯器工具鏈，同時在設(shè)計流程上，Polyn利用Cadence的Virtuoso和Innovus工具，整合模擬與數(shù)字電路設(shè)計，并在55納米CMOS工藝上實(shí)現(xiàn)流片。

目前，Polyn正與SkyWater、普利司通、英飛凌、TDK等行業(yè)領(lǐng)先企業(yè)展開深度合作。雖然其首款芯片專注于語音處理，但未來的潛在應(yīng)用場景包括振動分析、生物信號解讀、人機(jī)交互等多個領(lǐng)域。

2023年12月，英飛凌曾披露與Polyn的合作，雙方正在合作開發(fā)高級輪胎監(jiān)測產(chǎn)品，英飛凌將提供具有輪胎振動信號檢測功能的新一代TPMS傳感器，并利用Polyn的NFE 對傳感器的振動數(shù)據(jù)進(jìn)行預(yù)處理。

今年3月，弗勞恩霍夫集成電路研究所 IIS 開發(fā)了一種用于處理脈沖神經(jīng)網(wǎng)絡(luò)（SNN）的AI 芯片。脈沖神經(jīng)網(wǎng)絡(luò)SENNA的推理加速器受到大腦功能的啟發(fā)，由人工神經(jīng)元組成，可以直接處理電脈沖（尖峰）。其速度、能效和緊湊的設(shè)計使得直接在生成數(shù)據(jù)的地方（即邊緣設(shè)備）中使用SNN成為可能。

SENNA是一種神經(jīng)擬態(tài)芯片，用于在AI應(yīng)用中快速處理低維時間序列數(shù)據(jù)。其當(dāng)前版本由1024個人工神經(jīng)元組成，芯片面積小于11 mm2。該芯片的響應(yīng)時間短至 20納秒，可確保精確計時，尤其是在邊緣時間關(guān)鍵型應(yīng)用中。

因此，它的優(yōu)勢在基于事件的傳感器數(shù)據(jù)的實(shí)時評估和閉環(huán)控制系統(tǒng)中真正顯現(xiàn)出來;例如，在使用AI控制小型電動機(jī)時。SENNA還可用于在通信系統(tǒng)中實(shí)現(xiàn)AI優(yōu)化的數(shù)據(jù)傳輸。在那里，AI處理器可以分析信號流并根據(jù)需要調(diào)整傳輸和接收程序，以提高傳輸?shù)男屎托阅堋?/span>

SNN如此節(jié)能的原因之一是神經(jīng)元僅被少量激活，并且響應(yīng)特定事件。通過其尖峰神經(jīng)元，SENNA 充分利用了這一節(jié)能優(yōu)勢。由于其完全并行的處理架構(gòu)，人工神經(jīng)元可以精確地映射SNN的時間行為。SENNA還可以通過其集成的尖峰接口直接處理基于尖峰的輸入和輸出信號。通過這種方式，它可以無縫地適應(yīng)基于事件的數(shù)據(jù)流?！皯{借其新穎的架構(gòu)，SENNA 解決了能效、處理速度和多功能性之間的權(quán)衡，這是其他邊緣 AI 處理器所無法比擬的。這使得它非常適合資源受限的應(yīng)用，這些應(yīng)用需要在納秒范圍內(nèi)具有極快的響應(yīng)時間，“Fraunhofer IIS嵌入式AI集團(tuán)經(jīng)理 Michael Rothe解釋道。

當(dāng)前的SENNA參考設(shè)計專為22nm制造工藝而設(shè)計。這意味著SNN處理器可以用作各種應(yīng)用中的芯片，并且可以經(jīng)濟(jì)高效地實(shí)現(xiàn)。它的設(shè)計是可擴(kuò)展的，可以在芯片生產(chǎn)之前適應(yīng)特定應(yīng)用、性能要求和目標(biāo)硬件的特殊功能。但即使在芯片制造完成后，SENNA仍保留了最大的靈活性，因?yàn)樗峭耆删幊痰?。使用的SNN模型可以一次又一次地更改并重新傳輸?shù)?nbsp;SENNA。為了讓開發(fā)人員盡可能輕松地實(shí)現(xiàn)他們的AI模型，F(xiàn)raunhofer IIS 還為 SENNA提供了一個全面的軟件開發(fā)工具包。

目前全世界的神經(jīng)擬態(tài)芯片結(jié)構(gòu)基本都一致，都是由神經(jīng)元計算、突觸權(quán)重存儲、路由通信三部分構(gòu)成。不過，比較關(guān)鍵的點(diǎn)在于亮點(diǎn)——一是模型，二是器件。

首先，在模型方面，目前神經(jīng)擬態(tài)芯片普遍采用SNN（脈沖神經(jīng)網(wǎng)絡(luò)）。相較于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)，脈沖神經(jīng)網(wǎng)絡(luò)（SNN）的結(jié)構(gòu)更具“神經(jīng)”特性。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)依賴矩陣卷積或矩陣乘法實(shí)現(xiàn)信號傳播，而SNN在傳播過程中采用了更貼近人類大腦的神經(jīng)突觸結(jié)構(gòu)。在SNN 網(wǎng)絡(luò)中，當(dāng)脈沖信號積累至特定水平時，神經(jīng)元會向下一個神經(jīng)元發(fā)送代表“1”的信號，隨后自身膜電位恢復(fù)至較低水平，并在一段時間內(nèi)進(jìn)入不應(yīng)期，無法再次發(fā)送信號。

對于SNN來說，時空動態(tài)性是一個重要的特性。通過引入時間維度，SNN能實(shí)現(xiàn)異步計算。SNN擅長處理時空動態(tài)信息，尤其適合與事件驅(qū)動型傳感器（如動態(tài)視覺傳感器DVS）結(jié)合。目前來看，大多數(shù)廠商都選擇SNN+CNN的異構(gòu)方案，應(yīng)對不同場景。

其次，在器件實(shí)現(xiàn)，依據(jù)材料、器件、電路，分為模擬電路主導(dǎo)的神經(jīng)形態(tài)系統(tǒng)（數(shù)?；旌螩MOS型）、全數(shù)字電路神經(jīng)系統(tǒng)（數(shù)字CMOS型）、基于新型器件的數(shù)?；旌仙窠?jīng)形態(tài)系統(tǒng)（憶阻器是候選技術(shù)）三種流派。

數(shù)字CMOS是目前最易產(chǎn)業(yè)化的形式，一方面，技術(shù)和制造成熟度高，另一方面，不存在模擬電路的一些顧慮和限制，不過數(shù)字CMOS型還只是最初階的類腦芯片，還算不上完全模擬人腦的神經(jīng)形態(tài)器件。

數(shù)?；旌螩MOS是Polyn的實(shí)現(xiàn)方式，通過對比來看，這種方式能夠直接省略掉ADC，可以通過可編程電阻直接對傳感器的原生數(shù)據(jù)進(jìn)行處理。

憶阻器（Memristor）則是目前科學(xué)界也在研究的技術(shù)，憶阻器的魅力在于，它不僅是一個存儲單元，同時還能進(jìn)行計算！想象一下，如果你的硬盤不僅能存儲數(shù)據(jù)，還能直接進(jìn)行深度學(xué)習(xí)計算，那么 AI 訓(xùn)練的速度將大幅提升。憶阻器的這一特性，使其成為存算一體架構(gòu)的核心組件。憶阻器存算一體架構(gòu)正在快速發(fā)展，預(yù)計在未來5~10年內(nèi)將進(jìn)入商業(yè)化應(yīng)用。

類腦芯片主要類型和研發(fā)進(jìn)度，制表丨電子工程世界

目前，國內(nèi)也有很多企業(yè)在研究神經(jīng)擬態(tài)計算芯片，他們的主要目標(biāo)也是邊緣AI。

國內(nèi)研究則包括清華大學(xué)、浙江大學(xué)、復(fù)旦大學(xué)、中科院等頂級學(xué)府和機(jī)構(gòu)，同時近兩年不斷涌現(xiàn)初創(chuàng)公司，如靈汐科技、時識科技、中科神經(jīng)形態(tài)等。其中以清華大學(xué)的天機(jī)芯和浙江大學(xué)的達(dá)爾文芯片最具代表性。

總之，受人腦啟發(fā)的神經(jīng)擬態(tài)計算正在顛覆邊緣AI場景。

與傳統(tǒng)的馮·諾依曼架構(gòu)不同，神經(jīng)形態(tài)芯片模擬人腦的神經(jīng)元和突觸結(jié)構(gòu)，具有超低功耗和并行處理能力，特別適合邊緣設(shè)備上的AI應(yīng)用。

畢竟，動不動就上百倍能效提升，可太香了，誰不想要。

目前，英特爾的Loihi、IBM的TrueNorth等神經(jīng)形態(tài)芯片已展示出在邊緣AI場景下的巨大潛力。

而上文介紹的廠商也已經(jīng)開始正式在商業(yè)化場景中嘗試使用神經(jīng)擬態(tài)芯片，雖然出于成本、開發(fā)難度等考量，可能他們并不會完全取代現(xiàn)有的MCU或嵌入式芯片，但在特定場景一定能夠得到很強(qiáng)的應(yīng)用。一場邊緣新革命即將到來。